ÁLVAROMAUREIRA

Meta FAIR Presenta DINOv2: Vision Transformer para Representaciones Visuales Universales sin Supervisión

Publicado ·

El equipo de investigación de IA Fundamental de Meta (Meta FAIR) ha liberado DINOv2, una familia de modelos Vision Transformer (ViT) entrenados con aprendizaje auto-supervisado a gran escala, capaces de producir representaciones visuales universales y detalladas sin requerir ningún tipo de etiquetado o supervisión humana.

Aprendizaje Auto-Supervisado sobre 142 Millones de Imágenes

Frente a los métodos tradicionales que dependen de millones de imágenes anotadas manualmente o alineación débil con texto, DIN

Sigue aprendiendo

Explora los recursos y continúa tu recorrido en la comunidad.

Únete gratis a la comunidad →

Sigue leyendo las noticias clave de IA

  1. Allen AI Presenta TÜLU 3: Familia Abierta de Modelos Post-Entrenados con RLVR y DPO que Iguala a Llama 3.1Allen Institute for AI libera TÜLU 3, una suite abierta de modelos, recetas y datos post-entrenados con RLVR y DPO que iguala a modelos propietarios.Leer análisis completo
  2. Reka AI Presenta Reka Core: Modelo Multimodal Frontera Independiente con Procesamiento Nativo de Texto, Video y AudioReka AI presenta Reka Core, modelo multimodal frontera de alta capacidad entrenado desde cero para razonar sobre texto, imágenes, video continuo y habla.Leer análisis completo
  3. Meta FAIR Presenta Lingua: Framework Abierto para Investigación y Entrenamiento Rápido de LLMsMeta FAIR libera Lingua, framework de código abierto optimizado para acelerar la investigación, evaluación y preentrenamiento de LLMs con PyTorch nativo.Leer análisis completo
  4. OpenPipe Presenta Plataforma de Destilación y Fine-Tuning de LLMs para ProducciónOpenPipe presenta una plataforma abierta para destilación de tráfico y ajuste fino de LLMs hacia modelos especializados compactos y económicos.Leer análisis completo
  5. NVIDIA Presenta Llama-3.1-Nemotron-70B: Modelo de Recompensas de Alta Precisión para Alineamiento de LLMsNVIDIA lanza Llama-3.1-Nemotron-70B-Reward, modelo de recompensas de alta precisión optimizado con HelpSteer2 para alinear modelos de lenguaje de frontera.Leer análisis completo
  6. Meta FAIR presenta Open Materials 2026: modelos de grafos cristalinos para acelerar el descubrimiento de catalizadores y captura de carbonoMeta FAIR liberó Open Materials 2026 con modelos de grafos cristalinos para acelerar el diseño de catalizadores y la captura de carbono.Leer análisis completo
  7. Allen AI Presenta Molmo: Familia de Modelos Multimodales Abiertos de Visión y Lenguaje con Capacidad de Apuntado y LocalizaciónAllen AI lanza Molmo (7B y 72B), modelos abiertos de visión y lenguaje que superan a GPT-4V en apuntado de píxeles y comprensión visual de UI.Leer análisis completo
  8. Apple Libera CoreNet: Biblioteca de Código Abierto para Entrenamiento y Optimización de Modelos de IA a Gran EscalaApple presenta CoreNet, framework abierto para entrenar redes profundas y modelos multimodales a gran escala con soporte unificado para CUDA y Apple Silicon.Leer análisis completo
  9. ByteDance Presenta Seed-TTS: Familia de Modelos de Síntesis de Voz con Clonación Cero Muestras y Expresividad HumanaByteDance introduce Seed-TTS, modelo de síntesis de voz con clonación cero muestras en 3 segundos y expresividad emocional humana fotorrealista.Leer análisis completo
  10. Moonshot AI presenta Kimi k1.5: modelo de razonamiento multimodal entrenado con aprendizaje por refuerzo a escala masivaMoonshot AI revela Kimi k1.5, combinando técnicas avanzadas de RL multimodal y cadenas de pensamiento profundo para superar evaluaciones complejas de STEM.Leer análisis completo
  11. DeepSeek Presenta DeepSeek-VL2: Modelos Multimodales MoE de Visión y Lenguaje con Mosaico Dinámico de ImágenesDeepSeek libera DeepSeek-VL2, modelos multimodales MoE con visión avanzada, segmentación dinámica y comprensión detallada de diagramas y documentos.Leer análisis completo
  12. BigCode Presenta StarCoder 2: Familia de Modelos Abiertos de Programación Entrenados en 619 Lenguajes con The Stack v2BigCode lanza StarCoder 2 (3B, 7B y 15B), modelos de código abierto con 16k tokens de contexto entrenados en 619 lenguajes sobre The Stack v2.Leer análisis completo
  13. Salesforce Presenta xGen-7B: Modelos de Lenguaje Abiertos Entrenados Nativamente con Contexto de 8K TokensSalesforce AI Research publica xGen-7B, familia de modelos abiertos entrenados con secuencias nativas de 8K tokens para análisis de código y documentos largos.Leer análisis completo
  14. Microsoft Lanza la Familia Phi-3.5: Modelos Pequeños con Phi-3.5-mini, Phi-3.5-MoE y Phi-3.5-vision para Inferencia EficienteMicrosoft lanza Phi-3.5 con modelos de 3.8B, mezcla de expertos 16x3.8B y visión multimodal de 128k tokens bajo licencia permisiva MIT.Leer análisis completo
  15. AI21 Labs Presenta Jamba 1.5: Modelos Híbridos Mamba-Transformer con 256k Tokens de Contexto para Inferencia UltrarrápidaAI21 Labs lanza Jamba 1.5, modelos híbridos Mamba-Transformer abiertos con ventana de 256k tokens e inferencia 2,5x más rápida en contextos largos.Leer análisis completo
  16. Mistral AI presenta Pixtral 12B: modelo multimodal de visión y lenguaje con compresión nativa de imágenes y pesos abiertos para investigaciónMistral AI lanzó Pixtral 12B, su modelo multimodal de visión y lenguaje capaz de procesar imágenes a resolución nativa con pesos abiertos.Leer análisis completo
Desliza para descubrir las 16 lecturas.16 artículos relacionados